Varför resebranschen behöver lagerbaserad AI‑adoption, inte ett lopp mot autonomi

AI‑diskussioner inom resebranschen tenderar ofta att fokusera på hur tekniken snabbt kan omvandla sektorn och leverera högpåverkande resultat. Verkligheten är dock mer nyanserad. Även om AI har visat på konkret värde inom områden som personalisering, kundservice och operativ effektivitet, adopterar inte alla den i samma takt. En huvudorsak är det komplexa teknologiska ekosystemet.

Flygbolag, online resebyråer (OTAs) och resehanteringsföretag (TMCs) verkar inom sammanlänkade nätverk som byggts upp under årtionden. Många fortsätter att förlita sig på fragmenterade datamiljöer och äldre infrastruktur som begränsar hastigheten för hur AI kan implementeras och skalas. Ökade oro kring transparens, ansvarsskyldighet och tillförlitlighet förvärrar dessutom problemet.

Medan de flesta reseföretag talar om AI som en enskild transformationsberättelse, sker adoptionen i tre distinkta men sammankopplade lager: (i) framsteg inom kundinriktad och operativ automatisering, (ii) friktion som skapats av äldre infrastruktur, och (iii) bristen på institutionellt förtroende. Var och en utvecklas i olika takt, vilket skapar unika dynamiker som kräver skräddarsydda svar. Att förstå dessa skillnader ger en mer praktisk ram för att identifiera var de största möjligheterna (och riskerna) sannolikt uppstår.

1. Bedöma framsteg

Oavsett om de söker flyg, hanterar resplaner eller löser störningar, förväntar sig resenärer i allt högre grad att varje interaktion ska vara sömlös, personlig och responsiv. Generativa AI‑assistenter hjälper genom att förenkla reseplanering och kundsupport. År 2025 använde nästan 40% av amerikanska resenärer generativ AI för att planera resor. Samtidigt möjliggör maskininlärningsmodeller hyperpersonliga erbjudanden baserade på resenärers beteende, lojalitetspreferenser och köphistorik.

AI skapar också enormt värde bakom kulisserna. Reseföretag använder avancerad analys för att bättre förutsäga efterfrågan, hantera kapacitet, stärka personalplanering och hantera störningar. Till exempel sänkte en stor leverantör av rese‑tjänster sina kostnader per bokning med 10 % år‑över‑år med generativ AI, medan ett kanadensiskt flygbolag rapporterade en 2 % ökning i enhetsintäkter och en 10 % ökning i nätverksdriven intäkt genom AI‑stödd prissättning.

Ändå, trots växande bevis på det konkreta värde AI kan leverera, kvarstår äldre system som ett betydande hinder för bred adoption.

2. Hantera friktion

Branschens äldre infrastruktur var inte utformad för att stödja de realtids‑ och enhetliga datapipelines som AI kräver. I centrum av problemet står Global Distribution System (GDS). GDS‑plattformar byggdes för flera decennier sedan på EDIFACT‑meddelandeprotokoll och står fortfarande för den dominerande andelen indirekta flygförsäljningar globalt. Att integrera New Distribution Capability (NDC) med ett äldre Passenger Service System (PSS) kan ta månader av testning och utveckling, särskilt för flygbolag som erbjuder flera pris‑klasser eller tilläggstjänster. Utmaningen omfattar avtalsmässiga begränsningar kring innehållsdistribution, organisatorisk beredskap och avsaknad av standardiserade data på regionala marknader.

Bristen på end‑to‑end‑datainsyn begränsar ytterligare en organisations förmåga att skala AI effektivt.  En GBTA‑undersökning visade att endast 12 % av företagsresenärsköpare har en samlad bild av sina programdata, en grundläggande begränsning som begränsar vad något AI‑system kan leverera, oavsett modellens sofistikering.

Flygbolag, OTAs och TMCs navigerar detta genom att anta hybrida strategier som lagerlägger intelligens på befintliga system med agent‑klara API:er. Samtidigt tar NDC‑inhemska aktörer en annan väg, bygger AI‑driven service och policyefterlevnad direkt i sin arkitektur och minskar beroendet av traditionella GDS‑kanaler.

Men teknisk integration ensam garanterar inte framgång. När AI blir mer djupt integrerad och börjar påverka beslut med högre insatser, uppstår nästa utmaning: förtroende.

3. Främja förtroende

Forskning från GBTA visar att medan 92 % av reseköpare är intresserade av AI‑driven kostnadsprognostisering och 89 % av automatiserad störningshantering, är endast 57 % av samma köpare bekväma med att AI autonomt ändrar eller avbokar bokningar. Denna kontrast belyser ett grundläggande förtroendeklyfta.

Reseledare söker efter förklarliga, auditabla lösningar. Samtidigt kräver kunder i allt högre grad transparens och ansvarsskyldighet. Att bygga förtroende över olika intressentgrupper kräver ett engagemang för ‘ansvarig utveckling’, som balanserar innovation med transparens och styrning.

Det innebär att de organisationer som gör de största framstegen inte nödvändigtvis är de som implementerar de mest avancerade modellerna eller rör sig snabbast. Istället är det de som följer ett strukturerat tillvägagångssätt: förstärker datagrunderna innan AI skalas, validerar användningsfall i kontrollerade, högpåverkande miljöer och inför proportionell styrning i transformationsresan. Till skillnad från enhetlig styrning organiserar proportionell styrning AI‑agenter i nivåer av autonomi, var och en med definierade förtroendegränser och styrningskrav.

Omvandla AI‑ambition till bestående påverkan

För reseorganisationer som rör sig mot nästa fas är det inte längre ett val att omfamna detta sekventiella tillvägagångssätt; det är det som skiljer ledare från eftersläntrare. I detta framväxande sammanhang spelar partners inom affärsprocesshantering en kritisk möjliggörande roll genom att hjälpa organisationer att operationalisera AI över komplexa ekosystem av data, processer och mänskligt beslutsfattande. I slutändan kommer de organisationer som omvandlar disciplinerad genomförande till en hållbar, svårreproducerbar fördel att bli vinnare.